1、隨著醫(yī)學(xué)和計算機圖像處理技術(shù)的飛速發(fā)展，醫(yī)學(xué)圖像自動識別診斷是當(dāng)前計算機圖像技術(shù)和醫(yī)學(xué)圖像交叉領(lǐng)域研究的熱點。利用計算機圖像處理技術(shù)完成對病理圖像的識別和輔助診斷，其研究目的就是如何構(gòu)造快速、正確率高的病理圖像分類器，協(xié)助病理專家進行醫(yī)學(xué)診斷。本文以人體肝臟細(xì)胞級切片圖像為研究對象，在分析病理圖像特點、圖像融合及識別算法理論的基礎(chǔ)上，研究實現(xiàn)了基于病理圖像的特征提取方法，重點設(shè)計實現(xiàn)了一種基于神經(jīng)網(wǎng)絡(luò)的特征級與決策級數(shù)據(jù)融合相結(jié)合的醫(yī)學(xué)

2、圖像分類識別算法。
　　 本文主要的研究工作如下：
　　 (1)通過歸納總結(jié)國內(nèi)外文獻(xiàn)資料、分析現(xiàn)有病理圖像識別算法的不足，研究設(shè)計了基于神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)融合相結(jié)合的醫(yī)學(xué)圖像分類識別算法框架。
　　 (2)為了使病理圖像的特征更加凸顯及濾除噪聲的干擾，在病理專家的指導(dǎo)和幫助下，通過分析總結(jié)醫(yī)學(xué)病理圖像的特點，完成了原始圖像的預(yù)處理和仿真實驗，包括灰度變換、閾值分割、中值濾波、直方圖均衡化和基于空間域的圖像銳化等。<

3、br>　　 (3)為了使提取的特征能夠完整地表達(dá)圖像的內(nèi)容，經(jīng)過大量的實驗對比，最后提取了基于直方圖的顏色特征6維、基于小波包和分形相結(jié)合的紋理特征18維以及基于不變矩的形狀特征7維，構(gòu)成了31維表征醫(yī)學(xué)圖像的特征矢量。
　　 (4)為了消除降低特征之間的冗余度及提高診斷識別的實時性，完成了基于主元分析法的特征級數(shù)據(jù)融合實驗，不僅降低了特征之間的冗余度，減少了特征空間的維數(shù)，同時又保留了所需要的識別信息。
　　 (5)